信号处理算法库
本项目旨在追踪建立最先进的信号处理算法库。从算法理论原理，实现方法，到落地demo。
目前是个人业余收集和整理，知识和精力都有限，欢迎有识之士参与贡献。
欢迎大家任意Fork,Star,watch.
demo一般来自网络共享开源的资源。或者自己根据论文原理实现。欢迎批评指正。
如涉及侵权，请随时联系删除[email protected]。
声明：本算法库仅作学习交流之用。如未经许可用作其他商业用途，保留追责权利。
1.经典的传统方法
时域
时域特征计算相对简单，MATLAB都有非常多的库函数。也有人已经进行了总结。直接引用。源自知乎专栏。
- 时域特征值提取的MATLAB代码实现（均方根、峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等）
- 信号时域分析方法的理解（峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等）
- 时域分析——无量纲特征值含义一网打尽
- 时域分析——有量纲特征值含义一网打尽
- python实现信号时域统计特征提取
- Envelope Detction for Signal Analysis
频域
滤波
-
无限长单位脉冲响应（Infinite impulse response,IIR）滤波器 Infinite impulse response
-
有限长单位脉冲响应（Finite impulse response,FIR）滤波器
-
维纳滤波 Wiener filter
由于后续算法变分模态分解中使用到。 -
卡尔曼滤波 Kalman filter
扩展的关于Vold-Kalman Order Filtering 附matlab分享的相关代码。用于转速跟踪是当前研究的热点。
Vold-Kalman order tracking code
Second generation Vold-Kalman Order Filtering
关于数字滤波，相关详细原理，请参考 ：程佩青. 数字信号处理教程(第五版)[M]. 清华大学出版社, 2017.
其他
2.信号自适应分解
- 经验模态分解EMD&EEMD及其扩展和改进
- 变分模态分解(Variational Mode Decomposition,VMD)
- 局部均值分解(local mean decomposition,LMD)
- 自适应局部迭代滤波(Adaptive Local Iterative Filtering,ALIF)
- 非线性模态分解 Nonlinear Mode Decomposition.NMD
- 固有时间尺度分解(Intrinsic time-scale decomposition,ITD)
- 希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)
- 时变滤波经验模态分解Time varying filter based empirical mode,TVF-EMD
- 奇异谱分解 (Singular Spectrum Decomposition,SSD)
- 经验小波 (Empirical Wavelet Transforms,EWT)
- 短时窄带模式分解 (short-time narrow-banded mode decomposition,STNBMD)
- 一些新的分解方法
- 极值点加权模式分解EWMD
- 极值点对称模式分解
- 辛几何模式分解symplectic geometry mode decomposition
- 群分解(Swarm-Decomposition,SwD)
- 原子分解
3.时频分析方法
- TFAT 时频工具
- STFT
- SST
- Time-frequency ridge detection
3.冲击特征检测
4.时间序列熵分析
- 排列熵(Permutation Entropy,PE)
- 近似熵（Approxiamte Entropy，ApEn）
- 样本熵（Sample Entropy，SampEn)
- 条件熵（Conditional Entropy）
- 修正条件熵（Corrected Conditional Entropy）
- 模糊熵（Fuzzy Entropy，FuzzyEn)
- 香农熵（Shannon Entropy，SE）
- 能量熵
- 谱熵
- 色散熵Dispersion entropy (DispEn)